使用NWPU VHR-10数据集训练Faster R-CNN模型

Posted 2022-12-08 大彤小忆

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了使用NWPU VHR-10数据集训练Faster R-CNN模型相关的知识，希望对你有一定的参考价值。

一、所需文件下载链接
二、基础环境配置
三、训练及测试过程

使用Faster R-CNN算法在NWPU VHR-10数据集上实现目标检测。
使用Faster R-CNN算法在VOC2007数据集上实现目标检测的详细步骤→Windows10+Faster-RCNN-TensorFlow-Python3-master+VOC2007数据集。

一、所需文件下载链接

Faster R-CNN源码及操作步骤Github链接→Faster-RCNN-TensorFlow-Python3。
Faster-RCNN-TensorFlow-Python3-master压缩包百度云盘链接→提取码：76wq。
NWPU VHR-10数据集百度云盘链接→提取码：1iam。

二、基础环境配置

Windows10 + Anaconda3 + PyCharm 2019.3.3
安装CPU版本的TensorFlow
在PyCharm中配置好TensorFlow环境

三、训练及测试过程

下载并解压Faster-RCNN-TensorFlow-Python3-master.zip，将文件夹重命名为Faster-RCNN_for_NWPU VHR-10。
将NWPU VHR-10数据集的格式转换成VOC2007数据集的的格式，并将转换好的数据集文件夹复制到./Faster-RCNN_for_NWPU VHR-10/data路径下。
在配置好TensorFlow环境的PyCharm中打开Faster-RCNN_for_NWPU VHR-10项目。
安装源码运行需要的Python包。打开好的Faster-RCNN_for_NWPU VHR-10项目中有一个requirement.txt文件，其中记录了需要安装的包的名字。在PyCharm的终端Terminal中输入pip install -r requirements.txt后回车，安装需要的所有依赖包。
在PyCharm的终端Terminal中输入cd data\\coco\\PythonAPI切换路径到./data/coco/PythonAPI，然后输入python setup.py build_ext --inplace并回车。

再输入python setup.py build_ext install并回车。
在PyCharm的终端Terminal中输入exit退出当前路径，然后输入cd lib\\utils切换路径到./lib/utils，再输入python setup.py build_ext --inplace并回车。
下载预训练模型VGG16，在./data文件夹下新建文件夹imagenet_weights，将下载好的vgg_16_2016_08_28.tar.gz解压到./data/imagenet_weights路径下，并将vgg_16.ckpt重命名为vgg16.ckpt。
修改config.py文件。在./lib/config文件夹下的config.py文件，是专门的配置文件，其中定义了模型的诸多参数，大家可以根据自己的需要修改相关参数。在这里，为了减少训练时间，我将最大迭代次数max_iters参数由40000改为10000，同时将迭代多少次保存一次模型snap_iterations参数由5000改为2000，其他参数未作改变。
修改pascal_voc.py文件。在./lib/datasets文件夹下的pascal_voc.py文件，修改self._classes中指定的检测类别为NWPU VHR-10数据集的10个目标检测类别。

修改的代码如下所示。

        self._classes = ('__background__',  # always index 0   # 训练类别标签，包含背景类
                         'airplane', 'ship', 'storage tank', 'baseball diamond',
                         'tennis court', 'basketball court', 'ground track field',
                         'harbor', 'bridge', 'vehicle')

在PyCharm中打开train.py文件，如果后面想要可视化loss的话，需要在如下图所示的两处添加代码，如果不需要的话，可忽略这一步。

添加的代码如下所示。

        filename = './write_loss.txt'  # 添加的代码（保存loss的文件）

                # 添加的代码（可视化loss）
                fw = open(filename, 'a')
                fw.write(str(int(iter))+' '+str(float('%.4f' % total_loss))+"\\n")
                fw.close()
                # 添加结束

在train.py文件界面，右击后点击Run 'train'，开始训练。需要注意的是，每次训练前都要清空./data/cache和./default/voc_2007_trainval/default文件夹里面的文件。
在训练过程中可能会出现total loss=nan的情况，如下图所示。

解决方案是将pascal_voc.py文件中的x1、x2、y1、y2变量的-1去掉。

也可能出现image invalid, skipping的问题，如下图所示。

解决方案是将config.py中的roi_bg_threshold_low的值改为0.0。
清空./data/cache和./default/voc_2007_trainval/default文件夹里面的文件。在train.py文件界面，右击后点击Run 'train'，重新开始训练，直到迭代次数为10000。
训练结束后，如果训练前在train.py文件中加了可视化loss的代码的话，可以在根路径下得到一个write_loss.txt文件，保存着每迭代10次对应的损失值。在根路径下新建一个Python文件visual_loss.py，代码如下，运行后可以在根目录下得到一张loss曲线图。
write_loss.txt文件文件内容如下图所示。

运行visual_loss.py文件，可得如下图所示的结果。

visual_loss.py文件的代码如下所示。

import numpy as np
import matplotlib.pyplot as plt

y_ticks = [0, 0, 0.5, 1.0, 2.0, 3.0, 4.0, 5.0]  # 纵坐标的值，可以自己设置。
data_path = 'E:/Remote Sensing/Faster-RCNN_for_NWPU VHR-10/write_loss.txt'  # log_loss的路径
result_path = 'E:/Remote Sensing/Faster-RCNN_for_NWPU VHR-10/total_loss'  # 保存结果的路径

data1_loss = np.loadtxt(data_path)
x = data1_loss[:, 0]  # 冒号左边是行范围，冒号右边列范围，取第一列
y = data1_loss[:, 1]  # 取第2列

# 开始画图
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(x, y, label='total_loss')
plt.yticks(y_ticks)  # 如果不想自己设置纵坐标，可以注释掉
ax.legend(loc='best')
ax.set_title('The loss curves')
ax.set_xlabel('batches')
fig.savefig(result_path)
plt.show()

训练时，模型保存的路径是./default/voc_2007_trainval/default，每次保存模型都是保存4个文件。
新建./output/vgg16/voc_2007_trainval/default文件夹，从./default/voc_2007_trainval/default路径下复制一组模型数据到新建的文件夹下，并将所有文件名改为vgg16.后缀。
准备开始测试已经训练好的模型。在PyCharm中打开demo.py文件，并对如下图所示的部分进行修改。

修改的代码如下所示。

CLASSES = ('__background__',
           'airplane', 'ship', 'storage tank', 'baseball diamond',
           'tennis court', 'basketball court', 'ground track field',
           'harbor', 'bridge', 'vehicle')

NETS = 'vgg16': ('vgg16.ckpt',), 'res101': ('res101_faster_rcnn_iter_110000.ckpt',)

    parser.add_argument('--net', dest='demo_net', help='Network to use [vgg16 res101]',
                        choices=NETS.keys(), default='vgg16')
    parser.add_argument('--dataset', dest='dataset', help='Trained dataset [pascal_voc pascal_voc_0712]',
                        choices=DATASETS.keys(), default='pascal_voc')

为使得同一张图片上的所有目标检测框全部在一张图片上显示出来，需要修改demo.py文件如下所示的部分。

修改的代码如下所示。

# def vis_detections(im, class_name, dets, thresh=0.5):  # 修改这行代码为下面这行
def vis_detections(im, class_name, dets, ax, thresh=0.5):  # 添加的代码（增加ax参数）（将同一张图片上的所有目标检测框全部在一张图片上显示）
    """Draw detected bounding boxes."""
    inds = np.where(dets[:, -1] >= thresh)[0]
    if len(inds) == 0:
        return

    # 注释的代码（将同一张图片上的所有目标检测框全部在一张图片上显示）
    # im = im[:, :, (2, 1, 0)]
    # fig, ax = plt.subplots(figsize=(12, 12))
    # ax.imshow(im, aspect='equal')
    # 注释结束

    for i in inds:
        bbox = dets[i, :4]
        score = dets[i, -1]

        ax.add_patch(
            plt.Rectangle((bbox[0], bbox[1]),
                          bbox[2] - bbox[0],
                          bbox[3] - bbox[1], fill=False,
                          edgecolor='red', linewidth=3.5)
        )
        ax.text(bbox[0], bbox[1] - 2,
                ':s :.3f'.format(class_name, score),
                bbox=dict(facecolor='blue', alpha=0.5),
                fontsize=14, color='white')

    ax.set_title((' detections with '
                  'p( | box) >= :.1f').format(class_name, class_name,
                                                  thresh),
                 fontsize=14)
    # 注释的代码（将同一张图片上的所有目标检测框全部在一张图片上显示）
    # plt.axis('off')
    # plt.tight_layout()
    # plt.draw()
    # 注释结束

def demo(sess, net, image_name):
    """Detect object classes in an image using pre-computed object proposals."""

    # Load the demo image
    im_file = os.path.join(cfg.FLAGS2["data_dir"], 'demo', image_name)
    im = cv2.imread(im_file)

    # Detect all object classes and regress object bounds
    timer = Timer()
    timer.tic()
    scores, boxes = im_detect(sess, net, im)
    timer.toc()
    print('Detection took :.3fs for :d object proposals'.format(timer.total_time, boxes.shape[0]))

    # Visualize detections for each class
    CONF_THRESH = 0.4  # 进行适当修改
    NMS_THRESH = 0.2  # 进行适当修改
    # 添加的代码（复制前面注释掉的vis_detections函数中for循环之前的3行代码到此处）（将同一张图片上的所有目标检测框全部在一张图片上显示）
    im = im[:, :, (2, 1, 0)]
    fig, ax = plt.subplots(figsize=(12, 12))
    ax.imshow(im, aspect='equal')
    # 添加结束
    for cls_ind, cls in enumerate(CLASSES[1:]):
        cls_ind += 1  # because we skipped background
        cls_boxes = boxes[:, 4 * cls_ind:4 * (cls_ind + 1)]
        cls_scores = scores[:, cls_ind]
        dets = np.hstack((cls_boxes,
                          cls_scores[:, np.newaxis])).astype(np.float32)
        keep = nms(dets, NMS_THRESH)
        dets = dets[keep, :]
        # vis_detections(im, cls, dets, thresh=CONF_THRESH)  # 修改这行代码为下面这行
        vis_detections(im, cls, dets, ax,
                       thresh=CONF_THRESH)  # 添加的代码（将ax做为参数传入vis_detections）（将同一张图片上的所有目标检测框全部在一张图片上显示）
    # 添加的代码（复制前面注释掉的vis_detections函数中for循环之后的3行代码到此处）（将同一张图片上的所有目标检测框全部在一张图片上显示）
    plt.axis('off')
    plt.tight_layout()
    plt.draw()
    # 添加结束

为了在测试时可以批量读取文件夹JPEGImages中的图片，并将目标检测结果保存到一个新建文件夹中，需要修改demo.py文件如下所示的部分。

修改的代码如下所示。

   # im_file = os.path.join(cfg.FLAGS2["data_dir"], 'demo', image_name)
    im_file = os.path.join('E:/Remote Sensing/Faster-RCNN_for_NWPU VHR-10/data/VOCdevkit2007/VOC2007/JPEGImages', image_name)  # 修改测试图片路径

    # im_names = ['000456.jpg', '000457.jpg', '000542.jpg', '001150.jpg',
    #             '001763.jpg', '004545.jpg']
    im_names = os.listdir(
        'E:/Remote Sensing/Faster-RCNN_for_NWPU VHR-10/data/VOCdevkit2007/VOC2007/JPEGImages')  # 需要进行测试的图片的路径
    for im_name in im_names:
        print('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
        print('Demo for data/demo/'.format(im_name))
        demo(sess, net, im_name)

        # 保存测试图片目标检测结果，并设置输出格式
        plt.savefig('E:/Remote Sensing/Faster-RCNN_for_NWPU VHR-10/test_result/' + im_name, format='png',
                    transparent=True, pad_inches=0, dpi=300, bbox_inches='tight')

    # plt.show()

在根路径下新建test_result文件夹，然后运行demo.py，可在test_result文件夹中得到NWPU VHR-10数据集的目标检测结果。
上述代码的运行结果，对于目标比较多且集中的图片来说，得到的目标检测可视化结果看起来不是很美观。如下图所示，甚至某一个目标的类别及精度标签会覆盖其他目标的预测框。

所以为了得到更好的可视化结果，继续对demo.py文件进行如下修改。

修改目标检测结果的保存路径。

在根路径下新建test_result1文件夹，然后运行demo.py，可在test_result1文件夹中重新得到NWPU VHR-10数据集的目标检测结果。

对于目标比较多且集中的图片来说，这次得到的目标检测可视化结果看起来就比较美观了，如下图所示。
如果想要在测试时输出PR曲线并计算AP值的话，首先需要在.\\lib\\datasets路径下打开pascal_voc.py文件，做如下修改。

修改和添加的代码如下所示。

# 添加的代码（输出PR曲线并计算AP值）
import matplotlib.pyplot as plt
import pylab as pl
# 添加结束

        # filename = self._get_comp_id() + '_det_' + self._image_set + '_:s.txt'  # 修改这行代码为下面这行
        filename = self._image_set + '_:s'  # 添加的代码（输出PR曲线并计算AP值）

    def _do_python_eval(self, output_dir='output'):
        annopath = self._devkit_path + '\\\\VOC' + self._year + '\\\\Annotations\\\\' + ':s.xml'
        imagesetfile = os.path.join(
            self._devkit_path,
            'VOC' + self._year,
            'ImageSets',
            'Main',
            self._image_set + '.txt')
        cachedir = os.path.join(self._devkit_path, 'annotations_cache')
        aps = []
        # The PASCAL VOC metric changed in 2010
        use_07_metric = True if int(self._year) < 2010 else False
        print('VOC07 metric? ' + ('Yes' if use_07_metric else 'No'))
        if not os.path.isdir(output_dir):
            os.mkdir(output_dir)
        for i, cls in enumerate(self._classes):
            if cls == '__background__':
                continue
            filename = self._get_voc_results_file_template().format(cls)
            rec, prec, ap = voc_eval(
                filename, annopath, imagesetfile, cls, cachedir, ovthresh=0.5,
                use_07_metric=use_07_metric)
            aps += [ap]
            # 添加的代码（输出PR曲线并计算AP值）
            print('recall for  = :.4f'.format(cls, rec[-1]))
            print('precision for  = :.4f'.format(cls, prec[-1]))
            pl.plot(rec, prec, lw=2,
                    label='Precision-recall curve of class  (area = :.4f)'
                          ''.format(cls, ap))
            # 添加结束
            print(('AP for  = :.4f'.format(cls, ap)))
            with open(os.path.join(output_dir, cls + '_pr.pkl'), 'wb') as f:
                pickle.dump('rec': rec, 'prec': prec, 'ap': ap, f)
            # 添加的代码（输出PR曲线并计算AP值）
            pl.xlabel('Recall')
            pl.ylabel('Precision')
            plt.grid(True)
            pl.ylim([0.0, 1.05])
            pl.xlim([0.0, 1.05])
            pl.title('Precision-Recall')
            pl.legend(loc="upper right")
            plt.savefig('E:/Remote Sensing/Faster-RCNN_for_NWPU VHR-10/PR_result/' + cls + '_PR.jpg')
            plt.show()
            # 添加结束
        print(('Mean AP = :.4f'.format(np.mean(aps))))
        print('~~~~~~~~')
        print('Results:')
        for ap in aps:
            print((':.3f'.format(ap)))
        print((':.3f'.format(np.mean(aps))))
        print('~~~~~~~~')
        print('')
        print('--------------------------------------------------------------')
        print('Results computed with the **unofficial** Python eval code.'使用NWPU VHR-10数据集训练Faster R-CNN模型
 使用Python将NWPU VHR-10数据集的格式转换成VOC2007数据集的格式
 使用Python将NWPU VHR-10数据集的格式转换成VOC2007数据集的的格式
 使用faster-rcnn.pytorch训练自己数据集
 使用DOTA数据集训练Faster R-CNN模型
 使用DOTA数据集训练Faster R-CNN模型